Manual-Weka.pdf

 WEKA INTERFACE Simple CLI: CLI: Entorno consola para invocar directamente con java a los paquetes de weka. !

Explorer: Explorer: Entorno visual que ofrece una interfaz gráfica para el uso de los paquetes. !

Experimenter: Experimenter: Entorno centrado en la automatización de tareas de manera que se facilite la realización de experimentos a gran escala. !

KnowledgeFlow: KnowledgeFlow: Permite generar proyectos de minería de datos mediante la generación de flujos de información. !

WEKA Entorno Visual Explorer Explorer tiene 6 entornos de ejecución: Preprocess: Incluye las herramientas y filtros para cargar y manipular los datos !

Classification: Acceso a las técnicas de clasificación y regresión !

!

!

Cluster: Integra varios métodos de agrupamiento  Associate: Incluye una pocas técnicas de reglas de asociación

Select Attributes: Permite aplicar diversas técnicas para la reducción del número de atributos !

 Visualize: En este apartado podemos estudiar el comportamiento de los datos mediante técnicas de Visualización. !

WEKA Ejemplo de carga de datos

Cargar Datos Soporta ficheros en formato ARFF, CSV, Excel y conexión jdbc con BDs.

WEKA Classification: Técnicas de clasificación y regresión !

Bayes. Métodos basados en paradigma del aprendizaje Bayes

Funciones. Métodos matemáticos: Redes neuronales, regresiones, SVM.. !

Lazy. Métodos que utilizan el paradigma de aprendizaje perezoso. !

Meta. Métodos que permiten combinar diferentes métodos de aprendizaje. !

Trees. Métodos que aprenden mediante la generación de árboles de decisión. !

Rules. Métodos que aprenden modelos que se pueden expresar como reglas. !

WEKA Ejemplo de aplicación de una técnica de clasificación

Formas de comprobar resultados (test): • Solo entrenar • Usar un conjunto de test específico • k-cfv • Partición determinada

WEKA Ejemplo de un árbol obtenido con el método J48 (C4.5)

WEKA Explorer Visualize

 Visualización de Datos !

•  Atributos vs.  Atributos • Detalle

Botón derecho

WEKA Ejemplo de aplicación C4.5 usando KnowledgeFlow

WEKA Ejemplo de aplicación C4.5 desde línea de comandos !

Ejecución desde la línea de comandos con un bat

cd Directorio-weka  java -classpath weka.jar weka.classifiers.trees.J48 -C 0.25 -M 2 -t ficheroentrada.arff  > ficherosalida.txt

!

!

 Ventajas: No es necesario usar Explorer ni el complicado KnowledgeFlow

La experimentación es más rápida una vez conocida la forma de llamar a los distintos métodos. !

!

Los resultados se copian directamente en ficheros de texto

WEKA Ejemplo de aplicación de una técnica de reglas de asociación

WEKA Clasificación: Algoritmos más conocidos !

NaiveBayes: Clasificador discriminador bayes standard

!

Id3: Divide y Vencerás básico para árboles de decisión

!

J48: C4.5

!

RandomForest: Construye un Bosque Aleatorio

!

JRip: Algoritmo RIPPER

!

M5Rules: Construye reglas M5 desde árboles

!

LinearRegression: Regresión linear standard

!

MultilayerPerceptron: Red neuronal de retropropagación

!

RBFNetwork: Red de función radio base

!

SMO: Clasificación basada en vectores de soporte

!

Ibk: k vecinos más cercano

WEKA  Algoritmos más conocidos !

!

Clustering !

CobWeb: Algoritmo CobWeb

!

SimpleKMeans: Algoritmo k-Medias

Reglas de asociación  Apriori: Algoritmo Apriori

!

!

PredictiveApriori: A priori con orden según acierto predictivo.